Large-Scale Dynamics of Self-propelled Particles Moving Through Obstacles: Model Derivation and Pattern Formation.
Large-Scale Dynamics of Self-propelled Particles Moving Through Obstacles: Model Derivation and Pattern Formation.
复制标题
DOI：
10.1007/s11538-020-00805-z
复制
发表时间：
2020-09-25
影响因子：
3.5
通讯作者：
Peurichard D
中科院分区：
文献类型：
--
作者：
Aceves-Sanchez P;Degond P;Keaveny EE;Manhart A;Merino-Aceituno S;Peurichard D
我们建模和研究的模式，通过集体移动自推进粒子（SPPs）和弹性拴系障碍物的相互作用。基于个人的模型的模拟揭示了至少三种不同的大规模模式：旅行带，踪迹和移动集群。这促使推导的宏观偏微分方程模型的自推进粒子和障碍物之间的相互作用，我们假设大系绳刚度。其结果是一个非线性、非局部偏微分方程的耦合系统。线性稳定性分析表明，图案化是预期的，如果相互作用是足够强的，并允许从模型参数的预测图案的大小。宏观方程表明，障碍物的相互作用诱导短程SPP聚集，无论障碍物和SPP是吸引或排斥。本文的在线版本（10.1007/s11538-020-00805-z）包含补充材料，可供授权用户使用。
We model and study the patterns created through the interaction of collectively moving self-propelled particles (SPPs) and elastically tethered obstacles. Simulations of an individual-based model reveal at least three distinct large-scale patterns: travelling bands, trails and moving clusters. This motivates the derivation of a macroscopic partial differential equations model for the interactions between the self-propelled particles and the obstacles, for which we assume large tether stiffness. The result is a coupled system of nonlinear, non-local partial differential equations. Linear stability analysis shows that patterning is expected if the interactions are strong enough and allows for the predictions of pattern size from model parameters. The macroscopic equations reveal that the obstacle interactions induce short-ranged SPP aggregation, irrespective of whether obstacles and SPPs are attractive or repulsive. The online version of this article (10.1007/s11538-020-00805-z) contains supplementary material, which is available to authorized users.
登录
查看更多内容
影响因子：
1.6
作者：
Benedetto, D;Caglioti, E;Pulvirenti, M
通讯作者：
Pulvirenti, M
影响因子：
2.1
作者：
Bernoff, Andrew J.;Topaz, Chad M.
通讯作者：
Topaz, Chad M.
DOI：
10.1098/rsif.2016.0575
发表时间：
2016-10
期刊：
Journal of the Royal Society, Interface
影响因子：
--
作者：
Creppy A;Plouraboué F;Praud O;Druart X;Cazin S;Yu H;Degond P
通讯作者：
Degond P
影响因子：
3.9
作者：
Kamal, Arshad;Keaveny, Eric E.
通讯作者：
Keaveny, Eric E.
影响因子：
7.8
作者：
LAM, L
通讯作者：
LAM, L